一种基于ReMass-iForest+的广播星历时间序列异常检测方法

本发明公开了一种基于ReMass‑iForest+的广播星历时间序列异常检测方法，该方法首先获取多维广播星历时间序列数据；再使用孤立森林对每个样本做异常检测，完成异常样本的初步筛选；然后通过相对质量对样本局部异常数据做进一步筛选，并采用超参数优化算法寻找最佳树结构；其次，引入阈值惩罚机制以及相邻点差值检测和多尺度窗口对时间序列进行多重质量判定；最后应用XGBoost模型对异常评分结果进行再建模，检测出异常值。本发明能够识别轨道异常和细微波动，精确定位异常时间、持续时间及异常参数类型，有效消除跳变、轨道机动等单变量值波动的影响，提高异常检测的准确性和可靠性。